Gemma 4 發佈 gemma-4-26b-a4b-it 和 gemma-4-31b-it
Gemma 4 發佈 gemma-4-26b-a4b-it 和 gemma-4-31b-it,作為 Gemma 4 發佈的一部分。兩款模型可於 AI Studio 使用,亦可透過 Gemini API 使用。
Gemma 4 發佈 gemma-4-26b-a4b-it 和 gemma-4-31b-it,作為 Gemma 4 發佈的一部分。兩款模型可於 AI Studio 使用,亦可透過 Gemini API 使用。
Granite 4.0 3B Vision 現已推出,是面向企業文件理解的緊湊型視覺語言模型,支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上,可獨立使用或配合 Docling,並以 Apache 2.0 授權在 Hugging Face 提供。
Google 推出 Veo 3.1 Lite Preview,這是其最具成本效益的影片生成模型,面向快速迭代及建構高用量應用。gemini-2.5-flash-lite-preview-09-2025 已停用,建議改用 gemini-3.1-flash-lite-preview。
Google 於 2026 年 3 月 26 日發佈音訊及語音模型 Gemini 3.1 Flash Live,提升即時對話的語音理解和函數調用能力,並兼顧音質與速度。
推薦理由:文章把語音理解改進、基準測試表現與 Search Live 擴展至 200 多個國家和地區並列,呈現模型能力如何進入 Google 產品服務。
Google DeepMind 推出 Gemini 3.1 Flash Live,提升即時語音對話的精準度並降低延遲。它在 ComplexFuncBench Audio 得分 90.8%,在 Scale AI 的 Audio MultiChallenge 開啟 thinking 時得分 36.1%。
推薦理由:原文以兩項語音基準呈現多步函數調用與複雜指令跟隨表現,並列出開發者、企業及一般用户的使用入口,可對照其能力與部署場景。
Google DeepMind 推出音樂生成模型 Lyria 3 Pro,支援生成最長 3 分鐘的曲目,並可按前奏、主歌、副歌和橋段等音樂結構提示創作。
推薦理由:文章呈現 Lyria 3 Pro 從段落提示到 Vertex AI 公開預覽的接入脈絡,並連結創作者音樂工具與企業按需音訊製作場景。
Google 發佈 gemini-3.1-flash-live-preview,這是一款面向即時對話及語音優先 AI 應用的音訊到音訊(A2A)模型。如要開始使用,可參閲 Live API 文件。
Gemini API 推出 Lyria 3 音樂生成模型,分為 lyria-3-clip-preview(生成 30 秒片段)及 lyria-3-pro-preview(生成完整歌曲)。
美團 LongCat 發佈 LongCat-Flash-Prover,這款 560 billion 參數的開源 MoE 模型面向 Lean4 原生形式推理。模型在 MiniF2F-Test 上以每題 72 次推理達到 97.1% 通過率。在 ProverBench 和 PutnamBench 上,每題嘗試不超過 220 次,解題率分別為 70.8% 和 41.5%。
Mistral AI 發佈 4B 參數的 Voxtral TTS,支援 9 種語言語音生成。在典型的 10 秒語音樣本和 500 characters 輸入下,模型延遲為 70ms;人評顯示其自然度高於 ElevenLabs Flash v2.5,TTFA 相近。
推薦理由:原文以人評比較 Voxtral TTS 與 ElevenLabs Flash v2.5 的自然度和 TTFA,並列出模型延遲及 API 定價,提供評估語音智能體應用的具體依據。
OpenAI 發佈 GPT-5.4 mini 和 nano,兩者是 GPT-5.4 的較小、更快速版本。它們針對編碼、工具使用、多模態推理,以及高用量 API 和子智能體工作負載作最佳化。
Mistral AI 發佈 Mistral Small 4,將 Magistral 的推理、Pixtral 的多模態及 Devstral 的智能體編碼能力整合至單一模型。
推薦理由:Mistral Small 4 整合指令、推理、多模態及智能體編碼能力,並列出相較 Mistral Small 3 的吞吐數據,可供比較單一模型承接多類任務時的效率表現。
Mistral AI 開源 Leanstral,一款為 Lean 4 設計、用於程式碼生成與形式化證明的程式碼智能體,採用 6B active parameters。
Google 於 2026 年 3 月 10 日以公開預覽形式發佈基於 Gemini 架構的首款多模態嵌入模型 Gemini Embedding 2。模型可處理文字、圖片、影片、音訊及 PDF,並將內容映射至統一嵌入空間,支援 100 多種語言及單一請求混合多種模態。
Gemini API 發佈 gemini-embedding-2-preview,這是其首個多模態嵌入模型,支援文字、圖像、影片、音訊及 PDF 輸入,並將各模態映射至統一嵌入空間。gemini-2.5-flash-lite-preview-09-2025 將於 2026 年 3 月 31 日停止服務。
Sarvam AI 開源 Sarvam 30B 和 Sarvam 105B 兩款從零訓練的推理模型,並提供 API、權重下載及本地推理範例。兩者採用 MoE Transformer 架構,分別以 16T 和 12T tokens 預訓練,並在印度使用 IndiaAI Mission 提供的算力訓練。
OpenAI 於 2026 年 3 月 5 日發佈 GPT-5.4,將推理、編碼和智能體工作流能力整合到單一模型。GPT-5.4 支援最多 100 萬個模型 token 的上下文,並加入內置電腦操作及工具搜尋功能。API 已可使用,GPT-5.4 正逐步推出至 ChatGPT 和 Codex;GPT-5.4 Pro 亦已可透過 API 使用。
推薦理由:GPT-5.4 將推理、編碼與智能體工作流整合於單一模型,並加入電腦操作及工具搜尋,呈現其面向長流程任務的能力組合。
OpenAI 發佈 GPT-5.4,並稱其為面向專業工作的能力最強、效率最高的前沿模型。該模型具備最先進的編碼、電腦操作和工具搜索能力,並有 1M-token 上下文窗口。
OpenAI 於 2026年3月3日發佈 GPT-5.3 Instant,作為 ChatGPT 使用率最高模型的更新,重點改善日常對話體驗。新模型改善對話語氣、減少不必要的拒絕,並加強網絡搜尋回答;在醫療、法律及金融等高影響領域,模型幻覺評估較 GPT-5.2 Instant 在使用網絡搜尋時減少 26.8%,僅使用內部知識時減少 19.7%。
Google DeepMind 推出 Gemini 3.1 Flash-Lite,現正以預覽版向開發者及企業開放,開發者可透過 Google AI Studio 的 Gemini API 使用,企業則可透過 Vertex AI 使用。
推薦理由:文章把 Gemini 3.1 Flash-Lite 的定價、相較 2.5 Flash 的速度數據及質素描述並列,呈現其面向高頻工作負載的成本定位。
Gemini API 更新日誌宣佈推出 Gemini 3.1 Flash-Lite Preview,這是 Gemini 3 系列首個 Flash-Lite 模型。開發者可查閲模型頁面瞭解規格、具體更新及開發者指引。
Google 於 2026 年 2 月 26 日發佈 Nano Banana 2(Gemini 3.1 Flash Image),結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度。
推薦理由:Nano Banana 2 結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度,並列出角色、物件一致性及畫面比例等具體生成控制項。
Google DeepMind 發佈圖像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),以 Flash 速度帶來 Nano Banana Pro 的世界知識、品質與推理能力。
推薦理由:Nano Banana 2 將 Nano Banana Pro 的世界知識、視覺品質與創作控制帶到 Flash 速度,並交代其在 Google 產品中的推出範圍及 Nano Banana Pro 的保留使用方式,説明兩款模型面向的工作流程差異。
Google 發佈 Nano Banana 2(Gemini 3.1 Flash Image Preview),這是一款以速度及高用量場景為優化方向的高效率模型。Gemini 3 Pro Preview(gemini-3-pro-preview)將於 2026 年 3 月 9 日停止服務。
Swallow LLM Project 於2026年2月20日發佈 GPT-OSS-Swallow-v0.1 和 Qwen3-Swallow-v0.2,強化兩款模型的日語能力與思考能力。
Inception Labs 發佈 Mercury 2 推理語言模型,透過擴散模型並行修訂生成回應,主打低延遲推理。官方列出其在 NVIDIA Blackwell GPUs 上達 1,009 tokens/sec,並稱生成速度提升 >5x;價格為 $0.25/1M input tokens、$0.75/1M output tokens。
Google 於 2026年2月19日推出 Gemini 3.1 Pro 預覽版,強化推理能力,並大幅提升從文字提示詞直接生成 SVG 動畫的質素。在 ARC-AGI-2 基準上,Gemini 3.1 Pro 得分 77.1%,高於 Gemini 3 Pro(33.1)、Claude Opus 4.6(68.8)及 GPT-5.2(52.9)。
推薦理由:文章列出 Gemini 3.1 Pro 在 ARC-AGI-2 的 77.1% 評分,並對照 Gemini 3 Pro、Claude Opus 4.6 和 GPT-5.2 的成績,呈現各模型在該基準上的差異。
Google DeepMind 發佈 Gemini 3.1 Pro,作為 Gemini 3 系列核心模型升級,提升複雜問題的推理能力。它在 ARC-AGI-2 取得經驗證的 77.1% 得分,推理表現超過 Gemini 3 Pro 兩倍。
推薦理由:Gemini 3.1 Pro 在 ARC-AGI-2 取得經驗證的 77.1% 得分,並稱推理表現超過 Gemini 3 Pro 兩倍,為核心推理升級提供量化比較依據。
NVIDIA 於 2026 年 2 月 18 日公開日語特化語言模型 NVIDIA Nemotron-Nano-9B-v2-Japanese,支援推理與非推理任務。
Google DeepMind 在 Gemini app beta 推出 Lyria 3 音樂生成模型,使用者可用文字提示或上傳照片、影片生成 30 秒音軌。系統會按提示生成歌詞,並可調整風格、人聲和節奏;音軌嵌入 SynthID,Gemini 的核驗功能亦延伸至音訊,使用者可上傳檔案詢問其是否由 Google AI 生成。
推薦理由:Lyria 3 在 Gemini app 開放以文字、圖片或影片生成音樂,並納入 SynthID 與音訊核驗,呈現創作功能和 AI 內容識別並行的設計。
Google 發佈 Gemini 3.1 Pro Preview,並推出獨立 endpoint `gemini-3.1-pro-preview-customtools`,該 endpoint 更擅長優先處理自訂工具。它面向以 bash 和工具組合進行開發的用戶。
Anthropic 於 2026 年 2 月 17 日發佈 Claude Sonnet 4.6,表示其多個領域的能力接近 Opus 級別,並以 beta 形式支援 1M token 上下文窗口。
推薦理由:文章對照 Claude Sonnet 4.6 與 Opus 4.6 的任務適用差異,並交代電腦操作評測與現實操作之間的限制。
Anthropic 在 Claude Platform 推出 Claude Sonnet 4.6,定位為兼顧速度與智能的日常任務模型,智能體搜尋表現提升且 token 消耗較少。
Google Deep Think 團隊於 2026 年 2 月 12 日更新 Gemini 3 Deep Think,強化其處理研究與工程難題的推理能力。
Google DeepMind 發佈 Gemini 3 Deep Think 重大升級,面向科學、研究與工程領域的複雜挑戰。
推薦理由:文章列出數學、編程及科學基準的具體成績,並交代 Gemini app 與 Gemini API 的開放方式,呈現本次升級的評測範圍和使用入口。
OpenAI 發佈 GPT-5.3-Codex-Spark,並稱其為首個即時編碼模型,生成速度快 15x,具備 128k 上下文窗口。目前以研究預覽形式向 ChatGPT Pro 用户提供。
推薦理由:公告列出生成速度、上下文窗口及研究預覽的適用對象,讓讀者可同時瞭解 GPT-5.3-Codex-Spark 的性能宣稱與目前開放範圍。
美團 LongCat 發佈 LongCat-Flash-Lite,一款總參數量 68.5B、約 3B 啟用參數的非思考型 MoE 模型。模型透過 YaRN 支援 256k 上下文窗口,並加入 N-gram 嵌入表;報告指其 Agent 工具使用及編碼表現具競爭力。
美團 LongCat 發佈 LongCat-Flash-Lite,這是一款 68.5B 參數、約 3B 啟動參數的非思考型 MoE 模型。模型透過 YaRN 支援 256k 上下文長度,並採用 N-gram embedding table。
Anthropic 發佈 Claude Opus 4.6,OpenAI 同日發佈 GPT-5.3-Codex,兩款前沿模型均聚焦提升編碼及智能體任務能力。
推薦理由:文章並列兩款模型的基準測試、長上下文與自主編碼能力,並交代工具整合和資安安排,便於比較其開發用途與使用條件。
ERNIE 5.0 是一個從頭訓練的 2.4 萬億參數統一多模態模型,在單一自回歸框架中整合文字、圖像、影片和音訊的理解與生成。模型採用 MoE 架構,每個 token 僅啟用約 3% 的參數,並以彈性訓練生成不同子模型,無須重新訓練即可部署。其預訓練上下文長度由 8K 擴展至 128K。
最多提供 50 頁,更早的內容請使用搜尋或主題頁。